| Les deux révisions précédentes
Révision précédente
Prochaine révision
|
Révision précédente
|
equipes:rcln:ancien_wiki:projets:ganso [2019/04/08 16:03]
rosse [Étape 2: //Neural-storyteller// qui prend un mot en entrée (à la place d'une image)] |
equipes:rcln:ancien_wiki:projets:ganso [2020/11/23 18:42] (Version actuelle)
garciaflores ↷ Liens modifiés en raison d'un déplacement. |
| ====== GANSO: Génération Automatique de Nouvelles littéraires courtes par Synchronisation Ontologique d'un réseau de neurones récurrent et d'un générateur de texte ====== | ====== GANSO: Génération Automatique de Nouvelles littéraires courtes par Synchronisation Ontologique d'un réseau de neurones récurrent et d'un générateur de texte ====== |
| |
| [[GANSO: Generación automática de relatos literarios cortos por medio de sincronización ontológica de una red neuronal recurrente y gramáticas de árboles adjuntos|//Traducción al español acá//]] | //[[equipes:rcln:ancien_wiki:projets:ganso:es|Traducción al español acá]]// |
| ===== English title ===== | ===== English title ===== |
| Automatic generation of short stories with ontological synchronization of a recurrent neural network and a natural language generation system | Automatic generation of short stories with ontological synchronization of a recurrent neural network and a natural language generation system |
| |
| ===== Contexte ===== | ===== Contexte ===== |
| L'objectif du projet consiste à développer une méthode qui permette la génération automatique de nouvelles littéraires courtes (//short stories//) à partir d'un mot du dictionnaire choisi au hasard. L'intention est que le résultat soit évalué par des experts littéraires contre des nouvelles produites par des étudiants universitaires en création littéraire. La méthode que nous proposons est basée, d'un côté, sur la génération par réécriture de fragments extrait des classiques de la littérature à l'aide d'un réseau de neurones récurrent (RNN)<ref>Ryan Kiros. [[https://github.com/ryankiros/neural-storyteller|//Neural Storyteller//]] (2015)</ref><ref>Yukun Zhu, Ryan Kiros, Richard Zemel, Ruslan Salakhutdinov, Raquel Urtasun, Antonio Torralba, Sanja Fidler. //Aligning Books and Movies: Towards Story-like Visual Explanations by Watching Movies and Reading Books.// arXiv preprint arXiv:1506.06724 (2015).</ref> pendant que, d'un autre côté, on chercherait à produire une structure narratologique et stylistique unique pour chaque récit à l'aide d'ontologies narratives<ref>Henrik Schärfe. //Narrative Ontologies.// KEST2004. ed. / C.G. Cao; Y.F. Sui. Tsinghua : University Press, 2004. p. 19-26.</ref> et de génération de langage naturel par des grammaires d'arbre adjoints à partir d'expressions logiques<ref name="beltrachini">C. Gardent and L. Perez-Beltrachini A Statistical, Grammar-Based Approach to Micro-Planning In Computational Linguistics, To Appear.</ref>. Notre intuition scientifique est que la génération par réseaux de neurones à partir d'un corpus littéraire classique pourrait fournir les éléments lexicaux et contextuels nécessaires pour permettre, dans un deuxième temps, une génération à partir d'une structure narratologique déterminée par une ontologie et d'un style caractérisé dans des expressions logiques associées à des grammaires d'arbre adjoints. | L'objectif du projet consiste à développer une méthode qui permette la génération automatique de nouvelles littéraires courtes (//short stories//) à partir d'un mot du dictionnaire choisi au hasard. L'intention est que le résultat soit évalué par des experts littéraires contre des nouvelles produites par des étudiants universitaires en création littéraire. La méthode que nous proposons est basée, d'un côté, sur la génération par réécriture de fragments extrait des classiques de la littérature à l'aide d'un réseau de neurones récurrent (RNN)[(Ryan Kiros. [[https://github.com/ryankiros/neural-storyteller|//Neural Storyteller//]] (2015))][(Yukun Zhu, Ryan Kiros, Richard Zemel, Ruslan Salakhutdinov, Raquel Urtasun, Antonio Torralba, Sanja Fidler. //Aligning Books and Movies: Towards Story-like Visual Explanations by Watching Movies and Reading Books.// arXiv preprint arXiv:1506.06724 (2015).)] pendant que, d'un autre côté, on chercherait à produire une structure narratologique et stylistique unique pour chaque récit à l'aide d'ontologies narratives[(Henrik Schärfe. //Narrative Ontologies.// KEST2004. ed. / C.G. Cao; Y.F. Sui. Tsinghua : University Press, 2004. p. 19-26.)] et de génération de langage naturel par des grammaires d'arbre adjoints à partir d'expressions logiques[(beltrachini>C. Gardent and L. Perez-Beltrachini A Statistical, Grammar-Based Approach to Micro-Planning In Computational Linguistics, To Appear.)]. Notre intuition scientifique est que la génération par réseaux de neurones à partir d'un corpus littéraire classique pourrait fournir les éléments lexicaux et contextuels nécessaires pour permettre, dans un deuxième temps, une génération à partir d'une structure narratologique déterminée par une ontologie et d'un style caractérisé dans des expressions logiques associées à des grammaires d'arbre adjoints. |
| |
| La tâche qui a inspiré notre projet forme partie des défis de Turing en création artistique<ref>[[http://bregman.dartmouth.edu/turingtests/|//Turing Tests in the Creative Arts.//]] Neukom Institute et Darmouth College.</ref>; dans son édition 2016 le premier prix du défi //DigitLit// (génération automatique de nouvelles courtes) n'a pas été décerné, puisque les évaluateurs ont jugé qu'aucun des systèmes participants ne produisait pas des récits d'une qualité littéraire comparable à celle des textes produits par des étudiants universitaires en création littéraire, ce qui est un symptôme de la difficulté de la tâche. De notre point de vue, les questions scientifiques qui découlent de la résolution d'une telle tâche sont nombreuses, autant en intelligence artificielle, qu'en linguistique computationnelle et en littérature. Les approches basées sur l'apprentissage profond (RNN) produisent des textes d'une haute qualité linguistique quoique peu lisibles du fait de leur manque de cohérence logique et narrative. Par contre, les approches symboliques pourraient améliorer la cohérence logique, mais le texte produit manque de fluidité et est stylistiquement pauvre. Est-il possible de concilier méthodologiquement ces deux approches? Dans un second temps se pose la question de la qualité littéraire des textes produits de la sorte: les critères esthétiques et herméneutiques qui président à l'étude de la réception des textes littéraires sont-ils pertinents dans le cas de nouvelles produites par une intelligence artificielle? En fin, les outils didactiques employés dans les formations à l'écriture créative pourraient-ils être utiles à la génération automatique des nouvelles? | La tâche qui a inspiré notre projet forme partie des défis de Turing en création artistique[([[http://bregman.dartmouth.edu/turingtests/|//Turing Tests in the Creative Arts.//]] Neukom Institute et Darmouth College.)]; dans son édition 2016 le premier prix du défi //DigitLit// (génération automatique de nouvelles courtes) n'a pas été décerné, puisque les évaluateurs ont jugé qu'aucun des systèmes participants ne produisait pas des récits d'une qualité littéraire comparable à celle des textes produits par des étudiants universitaires en création littéraire, ce qui est un symptôme de la difficulté de la tâche. De notre point de vue, les questions scientifiques qui découlent de la résolution d'une telle tâche sont nombreuses, autant en intelligence artificielle, qu'en linguistique computationnelle et en littérature. Les approches basées sur l'apprentissage profond (RNN) produisent des textes d'une haute qualité linguistique quoique peu lisibles du fait de leur manque de cohérence logique et narrative. Par contre, les approches symboliques pourraient améliorer la cohérence logique, mais le texte produit manque de fluidité et est stylistiquement pauvre. Est-il possible de concilier méthodologiquement ces deux approches? Dans un second temps se pose la question de la qualité littéraire des textes produits de la sorte: les critères esthétiques et herméneutiques qui président à l'étude de la réception des textes littéraires sont-ils pertinents dans le cas de nouvelles produites par une intelligence artificielle? En fin, les outils didactiques employés dans les formations à l'écriture créative pourraient-ils être utiles à la génération automatique des nouvelles? |
| |
| ===== Programme scientifique ===== | ===== Programme scientifique ===== |
| |
| ===== Références ===== | ===== Références ===== |
| <references/> | ~~REFNOTES~~ |
| |